随着人工智能技术的迅速崛起，人类社会正在进入一个深刻的技术转型期。这种转型不仅带来了工具运用的便捷，更从根本上改变了知识生产结构与认知方式。历史学作为以解释人类过去经验为核心的知识形态，也正在遭受人工智能带来的冲击。我们可能会逐渐进入一个人工智能时代的历史知识社会，其中“历史意识”的构造不再仅依附于人类经验，而是被嵌入算法逻辑、数据运算与符号自动生成的技术系统中。人工智能的兴起不仅意味着史学工具的增强，更预示着一场深刻的知识论与方法论重构。比如，传统史学研究中，面对浩如烟海的材料，人脑的生物性算力所驱动的史料信息的选择与裁剪，在人工智能操作中，能用更短的时间、更高的准确度来完成。这预示着，以人为中心的历史经验传承正被技术打断，史学范式也可能面临变革。
人工智能与历史经验的断裂
在传统史学观念中，历史意识意味着人类对时间性的感知、对过去事件的叙事建构，以及对现实的批判性理解。它是一种经验性、主体性的意识活动，其正当性来自历史学家对史料的裁剪、解释与再现。然而人工智能系统在处理文本、时间和逻辑方面所展现出的强大能力，使这种以人为中心的意识形式发生了动摇。人工智能并不拥有任何真实的历史体验，但它可以基于海量语料生成符合语法与逻辑的历史叙事。这一事实本身就对传统历史意识构成了挑战：历史叙事的创造者不再需要“理解”其叙事对象，机器生成的文字也能营造出“了解过去”的假象。这种断裂直接引发了关于“谁在解释历史、谁能解释历史”的问题重估。
在我们了解人工智能的工作逻辑后发现，人工智能并非简单地模拟人类史学家的工作，它在更根本的层面上重新界定了历史解释的主体。大型语言模型（如DeepSeek、ChatGPT系列）没有人类记忆，却可以重组已有文本来讲述历史，从而出现了一种“非人称”的历史叙事。传统史学中关于主体与解释权的基本设定因此被打破：不再只有具备经验与专业训练的人类才能书写历史，算法也成为叙事的参与者。更重要的是，人工智能生成的历史文本不是建立在真实事件的因果链条和伦理判断基础上，而是依据统计上的语言模式。由此，脱离语境的算法生产导致历史意识程序化，也让叙事容易游离于人文关怀之外。人工智能对历史经验的“越俎代庖”使得历史世界与现实之间的边界日渐模糊。
传统史学追求历史叙事的真实性，即在时间、空间、人物、因果等维度上寻求确定性；史学家相信只有扎根于史实的叙述才能维系过去与现在的有机联系。然而，人工智能却能够在没有任何真实经验的前提下，生成具有高度“真实感”和“历史感”的历史文本。其叙事往往细节翔实、语言生动，但这些细节可能纯粹源自训练数据的拼合，而非对真实事件的记录。这种高度“拟真性”的历史叙述使历史的“可感觉性”与其“真实性”之间产生了裂痕。换言之，人工智能不再是再现现实的工具，而开始成为某种意义上的现实替代者：它创造出一个与真实历史相仿的叙事世界，却并非源于真实发生过的经验。在人工智能的介入下，历史叙事甚至出现了真假倒置的风险：符号化的叙事仿真可能取代真实记忆，使人们对过去的理解建立在高度模拟却缺乏实证的基础上。这并非记忆的简单增强，而更类似对记忆结构的重塑，最终可能会侵蚀基于经验传承的历史意识。
历史知识生成机制的转向
人工智能不仅介入了书写历史的主体，更深刻地改变了历史知识的生成机制。在方法论层面，人工智能带来的是一种去经验化的叙事方式。传统史学赖以为据的“三段式”逻辑——史料解释、因果推理、价值判断——在人工智能主导的生成机制中失去了优先地位。历史学家通常通过研读史料提出解释，基于因果关系重建事件脉络，并融入价值判断与理论框架以赋予意义。
然而，人工智能模型依据的却是语料之间的关联强度和生成概率，而非事件背后的深层原因和脉络。这种以相关性取代理因性的机制，实质上压平了历史的时间结构，消解了因果链条的重要性。结果便是出现一种表面上高度流畅、信息密集却处于伦理真空的叙事体——它不问“历史为何发生”，只关心“历史可以如何被描述”。时间顺序与因果关系在此被降格为无关紧要，历史叙事被算法重构为任意拼接的“文本片段集合”。
在这种生成机制下，历史知识的生产从追求解释滑向追求模拟。人工智能根据模式和概率生成叙事，使得不同时间与空间的片段可以被算法自由组合，甚至可能产生跨越时代与文化的奇异叙事。这固然拓展了想象的维度，但也意味着叙事有可能脱离具体语境的约束。例如，一个训练自海量文本的模型可能任意拼接不同背景的人物与事件，生成貌似合乎逻辑却脱离真实脉络的故事。如果未经甄别，这类叙事将误导读者，对历史因果与脉络产生错误认识。因此，人工智能生成的文本即使语法通顺，也无法确保史实准确和因果逻辑合理。换言之，历史研究需要警惕知识生产从“求真求因”滑向“求新求奇”。
值得注意的是，人工智能的叙事机制在一定程度上呼应了后现代史学中的某些思潮。福柯提出的“谱系学”方法主张以非线性、去中心化的方式审视历史，通过不同话语的拼接揭示权力关系网络。某种意义上，人工智能通过对海量文本的数据分析和重组，也实现了一种形式上的“谱系式”叙述：它不拘泥于线性叙事，而是在海量话语中重构新的关联。然而，与福柯的批判性谱系不同的是，人工智能的算法缺乏价值判断和权力批判意识。它不会对重组的结构进行反思，只会复制和强化现有的话语模式。这种“去意识化”的历史书写在提供新颖视角的同时，也隐藏着复制偏见和维护既有权力结构的风险。毕竟，算法不懂得质疑，它只会遵循统计规律。因此，人工智能式叙事可能会在不经意间巩固我们试图批判的叙事框架。
除了谱系学的影子，后结构主义哲学家德里达提出的“延异”概念也为我们理解人工智能生成历史提供了启示。德里达认为，文本的意义总是在延迟和差异中生成，从不固定终点。在人工智能系统中，历史文本的生成恰恰呈现出这样的特征：没有最终定稿，每一次生成都是对前一次文本的重构与偏移。人工智能可以不断生成同一事件的不同版本叙事，每次叙述都在细节和措辞上有所变化，历史写作仿佛陷入了一条“永远延迟、永远不同”的差异链条。真实的历史在无穷变体中变得难以触及，取而代之的是一系列不断偏离的叙事模拟。这种情形颠覆了传统史学对“大写历史”作为最终真相的追寻，历史不再被视为一个可以被穷尽描述的对象，而变成了一种随生成算法飘移的“流动文本”。历史知识生成机制由此发生转向：从寻求真相的确定性，转为生成无尽叙事的可能性。
上述变革表明，我们可能正在步入一个前所未有的“后历史知识社会”。在这个新的知识结构中，历史不再是人类集体经验的单纯再现，而更像是数据社会中算法叙事的副产品。知识生产的逻辑已经从“解释与批判”转向“生成与仿真”，历史学家也从“真相的探求者”退居为“算法输出的校对者”。由此而来的是，历史学科的主体地位受技术理性挤压，传统范式正面临被改写的处境。
人工智能时代的史学主体性重建
然而，历史学不应因技术的崛起而被动解散自身的意义空间；相反，应当在回应人工智能挑战的过程中探索自身转型的可能。面对算法对历史书写权的介入，历史学科需要重建其理论自觉与主体性地位。
这首先意味着史学家必须重新思考“史实”的含义：在人工智能可以生成貌似逼真细节的情况下，什么才算是可信的史实？史实不再只是档案中冰冷的事实，而必须经过人类理性、共识的检验和确认。历史学家应制定严格的证据标准以辨别人工智能生成内容中的真实与虚构，防止虚假信息混入知识体系。其次，我们需要反思“解释”的合法性问题。当人工智能可以给出众多对同一事件的不同表述时，我们如何判断哪一种历史解释更有意义或更符合伦理规范？这就要求引入史学理论的视角，对历史解释进行二阶分析，评估其前提、逻辑和价值倾向。
人文训练赋予了历史学家一种人工智能无法企及的能力，即对复杂事件进行因果和道德的综合判断。这样的判断过程包含对背景的敏锐把握，对人性的同情和对道德后果的深思——这些都是纯粹统计驱动的模型所不具备的能力。因而，历史学家更要主动为历史研究保留批判性的主体位置，通过对人工智能产出的审视和改写，赋予历史以人文关怀和伦理维度。
人工智能并不能也不应取代历史学家作为历史解释主体的地位，但它有助于促使历史学家反思自身的方法论局限，摆脱过去固守经验主义所产生的自足幻觉，从而迈向新的反思性知识框架。在这一框架下，历史学家与人工智能可形成协作：历史学家可以利用人工智能强大的资料处理与模式发现能力，但由人类来引导问题意识、阐释因果意义并把握价值尺度。通过这种人机分工，人文与技术可以融合，史学的主体性也得以重建：人类仍是历史意义的最终裁决者，人工智能则成为辅助研究和叙事的工具。
在前景尚不清晰的情况下，可能在未来AI并不是历史的终结者，而是对我们既有历史意识的一次深度重写与扩张。在这一过程中，历史学的任务不在于和人工智能比拼叙事的速度、规模及多样性，而在于坚守叙事的伦理底线，保持对历史进程的批判张力，并围绕时间、记忆、主体性等根本问题提出新的追问。只有如此，史学才能在人工智能时代的历史知识社会中既吸纳技术带来的新可能，又守护人文反思的传统，找到自身存续的未来方向。
（作者系山西大学历史文化学院教授）
中国社会科学杂志社版权所有，未经书面授权禁止使用
Copyright © 2011-2025 by www.cssn.cn all rights reserved
